Sentienl-1 SAR 토양수분 산정 연구: 농지와 초지지역을 중심으로 = Estimation of soil moisture based on sentinel-1 SAR data: focusing on cropland and grassland area

다국어 초록 (Multilingual Abstract)

Recently, SAR (Synthetic Aperture Radar) is being highlighted as a solution to the coarse spatial resolution of remote sensing data in water resources research field. Spatial resolution up to 10 m of SAR backscattering coefficient has facilitated more elaborate analyses of the spatial distribution of soil moisture, compared to existing satellite-based coarse resolution (>10 km) soil moisture data. It is essential, however, to multilaterally analyze how various hydrological and environmental factors affect the backscattering coefficient, to utilize the data. In this study, soil moisture estimated by WCM (Water Cloud Model) and linear regression is compared with in-situ soil moisture data at 5 soil moisture observatories in the Korean peninsula. WCM shows suitable estimates for observing instant changes in soil moisture. However, it needs to be adjusted in terms of errors. Soil moisture estimated from linear regression shows a stable error range, but it cannot capture instant changes. The result also shows that the effect of soil moisture on backscattering coefficients differs greatly by land cover, distribution of vegetation, and water content of vegetation, hence that there’re still limitations to apply preexisting models directly. Therefore, it is crucial to analyze variable effects from different environments and establish suitable soil moisture model, to apply SAR to water resources fields in Korea.

국문 초록 (Abstract)

최근 인공위성 자료를 기반으로 한 수자원 관측 분야에서는 공간해상도의 한계를 극복하기 위한 방안으로 SAR (Synthetic Aperture Radar) 센서에 대한 관심이 높아지고 있다. 토양수분을 관측하는 기존 위성 자료가 10 km 이상의 공간해상도를 지닌 반면, SAR 센서는 후방산란계수를 10 m 까지 관측할 수 있으므로 공간적인 분포를 보다 세밀하게 분석할 수 있다. 이러한 자료를 활용하기 위해서는 관측된 후방산란계수에 다양한 수문인자 및 환경적 요인이 미치는 영향을 다각적으로 분석하여 토양수분을 산출하는 과정이 필요하다. 본 연구는 토양수분 산정에 주로 적용되고 있는 WCM (Water Cloud Model)과 선형회귀 기법을 국내 5개 지점에 적용함으로써, SAR 영상을 기반으로 토양수분을 산정하고 이를 지점 관측 자료와 비교하여 평가하고자 하였다. WCM의 경우 토양수분의 즉각적인 변화를 관측하기에 용이하나 오차에 대한 보정이 필요한 것으로 판단되며, 선형회귀 방법은 순간적인 토양수분의 변동이 크게 나타나지 않았으나 안정적인 오차 범위를 나타내었다. 또한 토양수분이 후방산란계수에 미치는 영향은 토지 피복, 식생의 분포, 식생 내 수분량의 정도에 따라 모델별로 크게 상이한 결과를 나타냄을 알 수 있으며, 기존의 모델을 동일하게 적용하기에는 한계점이 많음을 알 수 있다. 따라서 복잡한 지형적, 수문학적 특성을 가진 한반도에서 SAR 영상을 수자원 분야에 적용하기 위해서는, 추후 각 지점 별 특성에 따른 영향을 다각적으로 분석하는 과정이 필수적이며 한반도에 적합한 토양수분 모델을 구축하기 위한 연구가 수행되어야 할 것으로 판단된다.

참고문헌 (Reference)

• 1 서민지, "합성개구레이더 인공위성 영상을 활용한 중소규모 하천에서의 유량 추정" 한국수자원학회 51 (51): 1181-1194, 2018
• 2 최대규, "토양수분 확률밀도함수로 살펴본 가뭄발생에 대한 기후변화의 영향" 한국수자원학회 43 (43): 709-720, 2010
• 3 김성균, "위성기반 토양수분 자료의 한반도 지역 적용성 평가: AMSR2 LPRM 알고리즘과 지점관측 자료를 이용하여" 한국수자원학회 49 (49): 423-429, 2016
• 4 김광섭, "신경망기법과 보조자료를 사용한 원격측정 토양수분자료의 Downscaling기법 개발" 한국수자원학회 37 (37): 21-29, 2004
• 5 김기영, "설마천 연구지역에서의 토양수분량을 활용한 유출 발생 특성분석" 한국수자원학회 52 (52): 615-626, 2019
• 6 김병식, "기후변화와 토지피복변화를 고려한 한강 유역의 수자원 영향 평가" 한국수자원학회 43 (43): 309-323, 2010
• 7 이대업, "기후변화에 따른 메콩강 유역의 미래 유황변화 분석" 한국수자원학회 52 (52): 71-82, 2019
• 8 김웅태, "기후변화에 따른 대청댐 유역의 유출 영향 분석" 한국수자원학회 37 (37): 305-314, 2004
• 9 이재형, "기후 및 토지이용 변화 시나리오 기반 한반도 미래 수문학적 및 생태학적 가뭄 전망" 한국수자원학회 53 (53): 427-436, 2020
• 10 Attema, E. P. W., "Vegetation modeled as a water cloud" 13 (13): 357-364, 1978
• 11 Huang, J., "Unraveling location-specific and time-dependent interactions between soil water content and environmental factors in cropped sandy soils using Sentinel-1 and moisture probes" 575 : 780-793, 2019
• 12 Bauer-Marschallinger, B., "Toward global soil moisture monitoring with sentinel-1 : Harnessing assets and overcoming obstacles" 57 (57): 520-539, 2018
• 13 Olsson, U. H., "The performance of ML, GLS, and WLS estimation in structural equation modeling under conditions of misspecification and nonnormality" 7 (7): 557-595, 2000
• 14 McColl, K. A., "The global distribution and dynamics of surface soil moisture" 10 (10): 100-104, 2017
• 15 Poole, M. A., "The assumptions of the linear regression model" 52 : 145-158, 1971
• 16 Charpentier, M. A., "Soil moisture variability within remote sensing pixels" 97 (97): 18987-18995, 1992
• 17 Notarnicola, C., "Soil moisture retrieval from remotely sensed data : Neural network approach versus Bayesian method" 46 (46): 547-557, 2008
• 18 Joseph, A. T., "Soil moisture retrieval during a corn growth cycle using L-band(1. 6 GHz)radar observations" 46 (46): 2365-2374, 2008
• 19 Twele, A., "Sentinel-1-based flood mapping : A fully automated processing chain" 37 (37): 2990-3004, 2016
• 20 Vreugdenhil, M., "Sensitivity of Sentinel-1 backscatter to vegetation dynamics: An Austrian case study" 10 (10): 1396-, 2018
• 21 Oh, Y., "Quantitative retrieval of soil moisture content and surface roughness from multipolarized radar observations of bare soil surfaces" 42 (42): 596-601, 2004
• 22 Millard, K., "Quantifying the relative contributions of vegetation and soil moisture conditions to polarimetric C-Band SAR response in a temperate peatland" 206 : 123-138, 2018
• 23 Hajnsek, I., "Potential of estimating soil moisture under vegetation cover by means of PolSAR" 47 (47): 442-454, 2009
• 24 Bousbih, S., "Potential of Sentinel-1radar data for the assessment of soil and cereal cover parameters" 17 (17): 2617-, 2017
• 25 Chang, J. G., "Polarimetric radar vegetation index for biomass estimation in desert fringe ecosystems" 56 (56): 7102-7108, 2018
• 26 Njoku, E. G., "Passive microwave remote sensing of soil moisture" 184 (184): 101-129, 1996
• 27 Ban, Y., "Near real-time wildfire progression monitoring with sentinel-1 SAR time series and deep learning" 10 (10): 1-15, 2020
• 28 Ulaby, F. T., "Microwave remote sensing: Active and passive. Volume 2 - Radar remote sensing and surface scattering and emission theory" Artech House 848-902, 1982
• 29 Dubois, P. C., "Measuring soil moisture with imaging radars" 33 (33): 915-926, 1995
• 30 Srivastava, H. S., "Large-area soil moisture estimation using multi-incidence-angle RADARSAT-1 SAR data" 47 (47): 2528-2535, 2009
• 31 Mladenova, I. E., "Incidence angle normalization of radar backscatter data" 51 (51): 1791-1804, 2012
• 32 Jackson, T. J., "III. Measuring surface soil moisture using passive microwave remote sensing" 7 (7): 139-152, 1993
• 33 Bouman, B. A., "Ground-based X-band(3-cm wave)radar backscattering of agricultural crops. I. Sugar beet and potato; backscattering and crop growth" 34 (34): 93-105, 1990
• 34 전종안, "GRACE 관측 TWSA와 TWSC를 활용한 Noah 지면모형기반 토양수분 평가" 한국수자원학회 53 (53): 285-291, 2020
• 35 Leib, B. G., "Field evaluation and performance comparison of soil moisture sensors" 168 (168): 396-408, 2003
• 36 Ezzahar, J., "Evaluation of backscattering models and support vector machine for the retrieval of bare soil moisture from Sentinel-1 data" 12 (12): 72-, 2020
• 37 Kumar, K., "Estimation of water cloud model vegetation parameters using a genetic algorithm" 57 (57): 776-789, 2012
• 38 Liu, C., "Estimation of vegetation parameters of water cloud model for global soil moisture retrieval using time-series L-band Aquarius observations" 9 (9): 5621-5633, 2016
• 39 Ahmad, W., "Estimation of flow in various sizes of streams using the sentinel-1 Synthetic Aperture Radar(SAR)data in Han River Basin, Korea" 83 : 101930-, 2019
• 40 Prevot, L., "Estimating surface soil moisture and leaf area index of a wheat canopy using a dual-frequency(C and X bands)scatterometer" 46 (46): 331-339, 1993
• 41 Mandal, D., "Dual polarimetric radar vegetation index for crop growth monitoring using sentinel-1 SAR data" 247 : 111954-, 2020
• 42 Baghdadi, N., "Calibration of the water cloud model at C-band for winter crop fields and grasslands" 9 (9): 969-, 2017
• 43 김광섭, "CART기법과 보조자료를 이용한 토양수분 추정" 한국수자원학회 43 (43): 597-608, 2010
• 44 Zhuo, W., "Assimilating soil moisture retrieved from Sentinel-1 and Sentinel-2 data into WOFOST model to improve winter wheat yield estimation" 11 (11): 1618-, 2019
• 45 Ohkura, H., "Application of SAR data to monitoring earth surface changes and displacement" 21 (21): 485-492, 1998
• 46 Pierdicca, N., "A prototype software package to retrieve soil moisture from Sentinel-1 data by using a bayesian multitemporal algorithm" 7 (7): 153-166, 2013